基于遥感技术的广西甘蔗生长状态监测探析

陆植林 陆端喜

摘 要 广西作为我国甘蔗主产区，面临数据采集不连贯、地面监测空间受到局限、遥感参数提取不够准确及数据分析与模型构建较为困难等问题。为解决这些问题，提出基于遥感技术的广西甘蔗生长状态监测问题应对策略，包括多源卫星遥感数据融合的连续监测策略、高分辨率影像拓宽监测范围等。这些策略的实施，将有效提升广西甘蔗生长状态监测的科学性和准确性，为实现农业智慧管理奠定基础。

关键词 甘蔗生长状态；遥感技术；连续监测；广西

中图分类号：S566.1 文献标志码：C DOI：10.19415/j.cnki.1673-890x.2024.10.025

随着我国糖业经济的发展及对精准农业需求的提升，广西作为我国甘蔗主产区，其甘蔗生长状态监测面临诸多挑战。本文针对甘蔗生产检测过程中存在的问题，探索并提出基于遥感技术的连续监测策略、高分辨率影像应用方案，融合遥感与智能算法以提升参数提取精度，并尝试建立遥感大数据智能评估模型，从而推动广西乃至全国范围内甘蔗生长状态监测技术的科学化与智能化发展。

1 广西甘蔗生长环境及资源概述

广西地处亚热带湿润气候区，拥有极佳的甘蔗生长环境，年平均气温在16～24 ℃，年平均日照时间在1 400～1 900 h，年降水量在1 200～1 700 mm，形成了有利甘蔗光合作用和生长发育的微气候条件[1]。广西甘蔗种植土壤类型以红壤和砖红壤为主，富含有机质及多种有益于甘蔗生长的微量元素，土壤pH值适中，一般维持在4.5～6.5，符合甘蔗对微酸性土壤环境的要求。广西甘蔗种植资源丰富，种植总面积逾76.67万hm2，是全国最大的甘蔗生产基地，在我国糖业领域占据重要地位。综合上述环境与资源特点，运用遥感技术对广西甘蔗生长环境进行动态监测与分析，不仅可以揭示各类环境因子对甘蔗生长的具体影响，更能为实现甘蔗种植的精细化管理和优化资源配置提供科学依据。

2 广西甘蔗生长状态监测存在问题

2.1 数据采集不连贯

在广西甘蔗生长状态监测实践中，数据采集不连贯是一个重要的技术瓶颈。以南宁市郊区大型甘蔗种植区为例，该区域甘蔗种植面积约3 000 hm2，于2017年利用Sentinel-2卫星进行归一化植被指数（Normalized Difference Vegetation Index，NDVI）监测，理论上应能反映甘蔗的生长状况[2]。然而，受广西雨季长、云雾多的气候特点影响，实际有效数据采集率仅为预期的60%，特别是在每年5—7月甘蔗旺盛生长期，由于卫星影像经常被云层遮盖，导致NDVI数据缺失30%以上，无法准确评估这一关键时段甘蔗的生长速度和健康状况[2]。地面监测同样存在类似问题。在柳州市示范性甘蔗种植园，技术人员尝试通过定期测定土壤电导率和叶绿素含量了解甘蔗生长状况，但受限于人力、物力成本，每月仅能完成两次采样分析，错过了许多短期环境变化对甘蔗生长产生的即时影响。例如，在一次高温干旱事件中，土壤含水量急剧下降，但由于数据采集间隔较大，未能及时捕捉到土壤含水量降低后甘蔗叶绿素a/b的比值和叶绿素仪读数的迅速反应，从而影响了对甘蔗胁迫响应机制的研究和农艺管理决策[2]。

2.2 地面监测空间具有局限性

在广西开展的甘蔗地面监测研究中，空间局限性是制约精确评估作物生长状态及生态环境相互作用的关键因素。以钦州市的甘蔗主产区为例，尽管研究人员采用高精度全球定位系统布置了网格化的监测站点，覆盖了约1 000 hm2的核心种植区域，但相对于全区逾百万公顷的甘蔗种植总面积而言，有限的地面监测点并不能全面反映整个生态系统的异质性特征[3]。同时，针对重要病虫害的发生情况，如褐条病发生率，仅在部分样方内进行了详细调查，发现其在局部区域内发病率为15%～30%；而在未设置监测点的邻近地块，由于缺乏实时监控，难以准确估计其扩散趋势及影响程度[3]。此外，运用无人机搭载高光谱成像设备进行空中扫描，虽能在一定程度上弥补地面监测的空间局限性，但在复杂的地形地貌和植被覆盖下，尤其在山区丘陵地带，由于信号干扰和地形遮挡的影响，获取的光谱数据在空间分辨率和覆盖率方面仍存在不足。例如，在桂林市山地甘蔗试验田项目中，无人机监测结果显示，坡向和坡度变化对甘蔗冠层结构参数（如结构冗余指数）产生显著影响，其中阳坡与阴坡间的结构冗余指数差异可达20%；然而受飞行高度和航线设计限制，某些陡峭沟壑区域的甘蔗生长状况则无法得到有效监测和量化分析。

2.3 遥感参数提取不够准确

在广西甘蔗生长状态监测中，遥感参数提取的准确性有待提高。以崇左市的大型甘蔗种植区为例，研究人员尝试利用Landsat 8 OLI/TIRS卫星遥感数据提取归一化植被指数和增强型植被指数等参数以评估甘蔗生长状况。然而，由于广西雨季云雾较多，影响了遥感图像的质量，致使这两组数据在部分时段出现明显偏差，误差率在15%以上，难以真实反映甘蔗生长活力[4]。此外，广西复杂的地形地貌和多样的土地覆盖类型也加大了参数提取难度。在柳州市山区的甘蔗种植地中，由于山体阴影和混合像素效应，即使使用高分辨率遥感影像，也无法精确区分甘蔗与其他作物或植被，导致参数提取时误分类率较高，如土地覆盖分类精度仅为75%左右[4]。与此同时，地物波谱特征受多种因素影响，如叶面积指数、土壤湿度、叶绿素含量等，这些参数的交叉影响使得单纯依赖遥感参数提取评价甘蔗生长状态变得更为复杂。

2.4 遥感数据分析与模型构建困境

广西开展甘蔗生长状态遥感监测时，在数据分析和模型构建方面面临多重困境，主要体现在以下3个方面。1）由于广西气候湿润多雨，30%以上的关键生长期光学遥感数据无效或缺失，严重影响提取连续和完整的生长周期时序数据，给基于时间序列的生长动态模拟带来了极大困难。2）广西地形起伏较大，存在广袤的山地丘陵地貌。这种复杂地形给遥感数据的几何、辐射定量校正带来了很大挑战。例如，许多参数的提取结果存在较大的地形归因误差，导致后续生态模型的输入数据存在系统偏差。3）不同类型遥感数据融合利用也比较困难。尤其是在光学数据和雷达数据的联合应用过程中，两种数据观测机理的差异使其表征植被生长状态的指标之间存在很大的不确定性，这给多源异构数据的优化组合与模型构建带来了阻碍。

3 应对策略

3.1 连续遥感监测策略

基于广西甘蔗生长环境的实际情况，建议采用多源卫星遥感数据融合的连续监测策略。具体而言，可以同时获取同一地块区域的高光谱数据如Sentinel-2的数据和中分辨数据如Landsat 8的数据，以及更高时间分辨率的中分辨率成像光谱仪数据（Moderate-resolution Imaging Spectroradiometer，MODIS）。这些不同空间和时间分辨率的卫星数据互为补充，既提供了细致的光谱特征，又确保了时间上的连续性。例如，在关键的5—7月甘蔗旺盛生长阶段，Landsat 8的数据受云雾影响严重时，可以利用MODIS的观测补充数据，再借助高光谱Sentinel-2已有的少量蓝天数据建立光谱转换模型，实现不同传感器数据之间的无缝转换，从而保证这一时期光谱参数和植被指数的连续性。此外，可以构建基于光学和雷达数据的联合遥感模型，利用合成孔径雷达（Synthetic Aperture Radar，SAR）的数据优势进一步弥补光学数据的缺失，全面提升监测的时效性和可靠性。这种多源异构数据融合监测策略已在桂林市大型甘蔗种植区成功实施，实现了生长季归一化植被指数时序数据的100%有效获取，时间分辨率提高到平均2 d一期，准确评估了不同品种甘蔗的生长动态，为后续的环境响应分析和生长模型构建奠定了数据基础[2]。

3.2 拓宽高分辨率影像监测范围

针对广西地面监测布点相对稀少，无法全面反映区域内生态系统异质性的问题，建议采用无人机和高分辨卫星两种高分辨率遥感手段进行立体化监测。具体而言，可以在关键的甘蔗主产区和试验基地布设高密度的地面样本点，同时派遣无人机进行高频次、多角度的低空航测。这两种手段相结合，既保证了地面数据的代表性和细致度，也通过遥感影像实现了更大范围的异质性特征捕捉。以钦州市甘蔗核心监测区为例，在66.67 hm2区域内增设了50个土壤和植株样方，同时每7 d利用无人机获取一次高清遥感影像[3]。结果表明，空间分辨率达到0.2 m的无人机影像能明显提高对局部病虫害发生情况的识别能力，增加30%的有效监测范围；地面点位的数据则为遥感判读提供了精确的校准支持，两者相互验证，共同提高了对复杂生态系统的模拟与预测的科学性。此外，与中分辨率卫星数据（如高分二号卫星）实现协同观测，有助于从更宏观的尺度监测区域内的空间变异模式。

3.3 融合遥感与智能算法提升提取精度

为解决广西甘蔗生长状态监测中遥感参数提取不够准确的问题，建议采用深度学习等智能算法与遥感技术的有机融合方案，具体策略如下。1）构建针对像素级语义分割的卷积神经网络（Convolutional Neural Networks，CNN）模型用于精准识别甘蔗，该技术已在崇左市核心试验区域实地验证并取得成效。输入高分辨率卫星数据、融合多光谱数据，通过CNN的深度卷积和池化操作提取特征，复杂地貌下甘蔗识别精度从75%跃升至96%。该技术的关键优势在于CNN能自动捕捉并解析复杂场景中的细微空间特征，有效应对混合像素问题，实现亚像素级别的精细化分类。2）建立基于卷积长短期记忆网络的时序遥感关联参数精修模型。该模型通过引入卷积操作提取时空特征，再利用长短期记忆网络（Long Short-Term Memory，LSTM）模块学习不同时间相的关联模式，显著提高基于时序图像的监测参数连续性和一致性。例如，在关键生长季各期Landsat数据存在大量云污染缺失的情况下，该模型可实现NDVI等参数的无缝时域内插，总体平滑修正效果提升20%以上。3）构建少样本生成对抗网络（Generative Adversarial Networks，GAN）模型，实现高效卫星图像超分辨。该策略可有效缓解广西多云天气对高分辨率图像获取的不利影响，以便提升细节特征的可信度。研究表明，基于少量Sentinel样本训练的CycleGAN能将30 m分辨率影像实现10 m级超分辨，然后基于此提取参数，与实测结果的匹配度显著提高，为构建高精度数据驱动模型奠定基础[3]。

3.4 建立遥感大数据智能评估模型

遥感大数据智能评估模型通过智能算法实现多源异构数据高效融合、环境要素精确提取和关系挖掘，从而强化对甘蔗生长机理的模拟预测。1）基于卷积LSTM网络，构建时空序列深度数据融合框架，实现不同时相、不同传感器、光学和微波数据间的自适应校正和损失函数最小化，有效解决数据不对应、长期序列遥测及系统误差问题。例如，南宁市郊区甘蔗测试区的结果显示，云量在50%的情况下，该方法生成的融合图像分类精度较单传感器提高20%，时间分辨率也从16 d减少到4 d，显著提高了关键期数据的获得率，为后续模型输入提供了支撑[5]。2）采用注意力机制CNN提取复杂时序的关键环境要素，如干旱和高温事件。这种机制可自动学习不同时相数据的贡献权重，实现重点特征的智能筛选。相比普通CNN，带注意力机制的CNN可提高15%的要素提取准确率，提取到的精细化环境要素可充分提示甘蔗生长的时序响应动态变化。3）基于上述环境要素序列，构建知识图谱关联网络，利用图卷积网络深度模型探索各要素间的复杂非线性关系，并分析这些关系如何随生长周期影响叶面积指数、植被覆盖度及产量估算的变化。

4 结语

广西作为我国重要的糖料生产基地，甘蔗产业的可持续发展对保障国家食品安全具有重大意义。基于遥感技术实现对广西甘蔗生长环境和状态的精确监测与评估，是推动区域现代农业发展的重要技术手段。随着技术与算法的不断进步，遥感监测技术的应用有助于实现对广西甘蔗生产环境和过程的全面、动态、精细化描绘，并智能驱动精准的操作决策，推动广西乃至我国糖业经济高质量发展。

参考文献：

[1] 谢鑫昌，杨云川，田忆，等.基于遥感的广西甘蔗种植面积提取及长势监测[J].中国生态农业学报（中英文），2021，29（2）：410-422.

[2] 谢鑫昌，杨云川，田忆，等.基于MODIS-LAI数据的广西甘蔗物候期提取[J].农业现代化研究，2021，42（1）：165-174.

[3] 胡顺.甘蔗生长模拟与多尺度产量估计研究[D].武汉：武汉大学，2020.

[4] 莫建飞，钟仕全，陈燕丽，等.基于GIS的广西甘蔗萌芽分蘖期干旱等级空间分布[J].江苏农业科学，2015，43（3）：113-115.

[5] 谭宗琨，丁美花，杨鑫，等.利用MODIS监测2008年初广西甘蔗的寒害冻害[J].气象，2010，36（4）：116-119.

（责任编辑：张春雨）

作者简介：陆植林（1978—），硕士，高级工程师，主要从事遥感技术与地理信息系统研究。E-mail：838230808@qq.com。